産業プロセス制御のためのLLM駆動ヒューリスティック合成：熱間鋼の圧延からの教訓
arXiv cs.AI / 2026/3/24
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、シミュレータからのフィードバックにより反復的な提案を洗練しながら、熱間鋼の圧延に用いる人間が読めて監査可能なPythonコントローラを生成する、LLM駆動のヒューリスティック合成フレームワークを提示する。
- この枠組みは、特に解釈可能性と監査可能性といった産業プロセス制御の制約を対象とし、高さ低減、インターパス時間、圧延速度といった主要目的に対して、明示的な制御ロジックを探索することでそれらを満たすことを目指す。
- 著者らは、自動化された監査パイプラインを提供し、最良の合成ヒューリスティックコントローラに対して重要な安全性および単調性の性質を形式的に検証する。
- LLMベースのヒューリスティック探索における予算配分戦略を導入し、Luby型のユニバーサル・リスタートがこの設定にも転用可能であり、問題固有のチューニングを回避できることを示す。
- 結果として、単一の160反復からなるLubyキャンペーンが、はるかに大規模な場当たり的な実験によって得られた「 hindsight（後知恵）最適」の予算配分にほぼ匹敵することが明らかになった。
